基于MPSO-LSSVM的矿井风流温度预测应用研究
通过对矿井风流温度影响因素的分析,选取影响矿井风流温度的因素数据作为最小二乘支持向量机(LSSVM)的输入向量,并选择了合适的支持向量机核函数,利用改进的粒子群算法(MPSO)来优化LSSVM惩罚因子C和核宽度系数,得到MPSO-LSSVM预测模型,并利用测试样本对预测模型进行仿真研究.通过与BP神经网络预测模型、标准粒子群优化的最小二乘支持向量机(PSO-LSSVM)的预测模型比较分析发现,在样本信息完全相同的情况下,提出的改进粒子群的最小二乘支持向量机(MPSO-LSSVM)的矿井风流温度预测模型具有更快的收敛速度、更优的预测精度特点,为矿井风流温度预测提供一条新的思路.
矿井通风 风流温度 预测模型 收敛速度 预测精度
孟祥宁
煤科集团沈阳研究院有限公司,辽宁沈阳110016
国内会议
江西吉安
中文
206-211
2016-11-03（万方平台首次上网日期，不代表论文的发表时间）